AWS RAG Agent 워크샵

aws를 이용해서 streamlit, bedrock, lamda를 이용해서 application을 만드는 워크샵입니다.

 

https://github.com/kwangwl/amazon-bedrock-workshop/blob/main/stock_agent_workshop/guardrails.py

amazon-bedrock-workshop/stock_agent_workshop/guardrails.py at main · kwangwl/amazon-bedrock-workshop

 

AWS를 활용하여 Streamlit, Bedrock, Lambda를 이용해 AI 애플리케이션을 구축하는 워크샵입니다. 이 워크샵에서는 AWS의 강력한 AI 및 서버리스 기능을 활용하여 실전 프로젝트를 진행하며, RAG(Retrieval-Augmented Generation) 기법을 적용한 지능형 애플리케이션을 만들어봅니다.

---

워크샵 개요

이 워크샵에서는 AWS의 다양한 서비스를 조합하여 LLM 기반 애플리케이션을 구축하는 방법을 배웁니다. RAG 기술을 활용해 정보를 검색하고, 대형 언어 모델(LLM)을 통해 보다 정확하고 맥락에 맞는 응답을 생성하는 시스템을 구축합니다.

주요 학습 내용

• Streamlit: 직관적인 사용자 인터페이스(UI) 개발
• Amazon Bedrock: LLM을 활용한 자연어 처리 및 AI 기능 적용
• AWS Lambda: 서버리스 컴퓨팅을 활용한 API 및 데이터 처리
• Amazon S3 & DynamoDB: 데이터를 저장하고 효율적으로 관리하는 방법
• RAG (Retrieval-Augmented Generation): 검색과 생성 모델을 결합하여 최적화된 응답을 생성하는 방법
• 보안 및 배포 전략: AWS IAM을 활용한 보안 관리 및 애플리케이션 배포 전략

---

워크샵에서 배우는 내용

1. Streamlit을 활용한 대화형 웹 애플리케이션 제작

• Streamlit을 사용하여 간단한 UI를 구축하는 방법
• 사용자 입력을 받아 AI 모델과 연동하는 방식

2. Amazon Bedrock을 사용한 LLM 기반 AI 활용

• Amazon Bedrock에서 제공하는 다양한 AI 모델을 탐색
• LLM을 활용하여 자연어 처리를 수행하는 방법

3. Lambda를 이용한 API 연결 및 서버리스 환경 구성

• Lambda를 통해 요청을 처리하고 데이터를 반환하는 방식
• 서버리스 환경에서 비용 효율적으로 AI 서비스를 운영하는 방법

4. RAG 기법을 적용한 검색 및 응답 최적화

• Amazon OpenSearch 또는 자체 데이터베이스를 이용하여 검색 기능 강화
• RAG 모델을 활용해 기존 LLM보다 높은 정확도의 응답을 생성하는 방법

5. 보안 및 데이터 보호 가이드라인 적용

• AWS IAM을 활용한 권한 및 인증 관리
• 데이터 보안 및 개인정보 보호를 고려한 AI 서비스 운영 방법

---

실습 및 코드 예제

워크샵에서는 단계별 실습을 통해 AI 애플리케이션을 직접 구축해볼 수 있습니다. 실습 과정에서 사용할 예제 코드와 가이드라인은 아래 GitHub 링크에서 확인할 수 있습니다.

🔗 AWS RAG Agent 워크샵 GitHub Repository

이 워크샵을 통해 AWS의 다양한 AI 및 서버리스 서비스를 활용하여 실제 애플리케이션을 구축하는 경험을 쌓고, AI 기반 서비스의 가능성을 탐색할 수 있습니다!